بهبود روش تشخیص میکروآنوریسم در تصاویر شبکیه با استفاده از فیلترهای دیجیتال

امروزه دیابت یکی از بیماری هایی است که زندگی افراد زیادی را تحت تاثیر قرار داده است و یکی از پیامدهای آن، تاثیر بر روی شبکیه ی بیمار است که درنهایت ممکن است منجر به کاهش دید و کوری شود. به همین دلیل، غربالگری و تشخیص زودهنگام تاثیر دیابت روی شبکیه بسیار اهمیت دارد. چون پیدایش میکروآنوریسم ها روی شبکیه از اولین نشانه های این تاثیر است و میکروآنوریسم ها، ضایعات گرد، کوچک و قرمز تیرهای هستند که فقط توسط متخصصین قابل شناسایی می باشند و در جاهای دورافتاده که دسترسی به خدمات درمانی تخصصی ندارند این مساله می تواند عوارض بدی داشته باشد، بنابراین یافتن راهکاری که بدون اتکا به کاربر متخصص، بتواند کیفیت تصاویر شبکیه را بهبود دهد، شبکه ی عروق را از تصاویر شبکیه تفکیک نماید و به تشخیص میکروآنوریسم ها بر روی شبکیه بپردازد از اهمیت بالایی برخوردار است. یکی از روش ها برای تفکیک عروق، استفاده از گرادیان جهتی (Gradient Orientation) است. عدم پیوستگی در گرادیان جهتی می تواند نشان دهنده ی موارد حلقوی مثل میکروآنوریسم ها یا موارد خطی مثل عروق شبکیه باشد. تاکنون برای محاسبه ی گرادیان جهتی از ماسک سوبل استفاده شده است که در ارزیابی عملکرد این ماسک با معیار PSNR، مقدار متوسط 59 دسیبل برای تصاویر موجود در پایگاه داده ی DIARETdb1 به دست آمده است. برای بهبو د عملکرد این روش و یافتن ماسک جدیدی برای تشخیص لبه با گرادیان جهتی، در این مقاله از الگوریتم مهاجرت پرندگان (PSO)، استفاده ش د ک ه ماسک جدی د دارای PSNR با مقدار متوسط 64 دسیبل برای همان تصاویر است. عملکرد الگوریتم در تفکیک میکروآنوریسم ها نیز بهبود یافت و مقدارهای به دست آمده برای معیارهای دقت، حساسیت و ویژگی از 75/3، 86/5 درصد به 87/64، 90/54 و 73/33 درصد رسید. استفاده از PSO برای یافتن پارامترهای ماسک پردازش تصوی ر یک روش بهینه و دارای نتایج بهتری نسبت به روش های فعلی است.

Keywords:

رتینوپاتی دیابتی , شبکیه , میکروآنوریسم , الگوریتم مهاجرت پرندگان , پردازش تصاویر پزشکی